杂志的下一篇文章
基于启发式搜索的GBSAR图像重聚焦运动目标快速检测
期刊上的上一篇文章
土地利用/土地覆盖分布对青藏高原多年冻土模拟的影响
 
 
搜索用于文章:
标题/关键字
作者/附属机构/电子邮件
日记账
文章类型
 
 
高级搜索
 
章节
特别发行
体积
问题
编号
第页
 
期刊销售
遥感
第15卷
第23期
10.3390卢比/卢比15235587
遥感损失
提交到此日志 本期刊评论 提出特殊问题
► 文章菜单

文章菜单

分享 分享 公告 帮助 format_quote格式 引用 问题_答案 在SciProfiles中讨论 竖起拇指（_U）
...
背书 短信
...
注释
第一页
设置
订购文章重印
字体类型：
宋体 佐治亚州 宋体，Verdana
字体大小：
澳大利亚 澳大利亚 澳大利亚
行距：
列宽：
背景：
技术说明

不同降雨强度对青藏高原夏季降水趋势的空间异质性影响

通过
王美蓉
1,2,†,
姚秀平
3,*,
王军（Jun Wang）
4,†,
刘伯奇
2,
朱朱
1,
周顺武
1和
贾双园
5
1
数据同化研究与应用联合中心/教育部气象灾害重点实验室（KLME）/气象灾害预测与评估协同创新中心（CIC-FEMD）/大气科学学院气候与环境变化国际联合研究实验室（ILCEC），南京信息科技大学，南京210044
2
中国气象科学院恶劣天气国家重点实验室，北京100081
三
中国气象局培训中心，北京100081
4
南京大学国际地球系统科学研究所，中国南京210033
5
中国北京国家气候中心，100081
*
信件应寄给的作者。
†
这些作者为这项工作做出了同等贡献。
远程传感器。 2023,15(23), 5587;https://doi.org/10.3390/rs15235587
收到的提交文件：2023年10月21日/修订日期：2023年11月24日/接受时间：2023年11月28日/发布日期：2023年11月30日
（本条属于本节大气遥感)
浏览地物
版本注释

摘要

:
近年来，青藏高原夏季总降雨量（STR）呈现出相反的趋势，北部增加，南部减少。本研究确定了四个重要的降雨趋势中心：TP东部（“区域A”）、羌塘高原（“B”）、柴达木盆地（“C”）和喜马拉雅山北部山麓（“D”）。暴雨主导了A区和D区STR趋势，分别占55.6%和52.0%。在B区，中、小降雨量的贡献几乎相等，分别占STR趋势的37.3%和44.8%。C区主要受小雨影响，占STR趋势的71.2%。值得注意的是，每个地区不同降雨强度对STR的贡献每年都有所不同，其中A地区的强降雨较多，B地区的弱降雨较少，而C和D地区的弱降雨贡献分别减少和增加。从机制上讲，高空西风急流和南亚高压的加强，加上水汽输送和对流有效势能的变化，共同导致降雨强度的变化，表征了热带气旋的空间异质性。

1.简介

青藏高原（TP），平均海拔4000米以上(图S1)，是世界上最高的高原。它的动力和热力强迫对亚洲夏季风的爆发和建立，甚至对整个北半球的气候变化都有重要影响，这一点早就得到了公认[1,2,三,4,5,6].
充当“亚洲水塔”[7]，TP的降雨显著影响了当地和周边地区的生态系统、碳循环和水资源[8,9,10,11,12]. 此外，它通过同时释放凝结潜热，在调节亚洲不同时间尺度的天气和气候变化方面发挥着关键作用[13,14,15,16,17,18]. 因此，全面了解三峡库区降雨特征具有重要意义。
全球降雨模式在温室气体变暖的影响下发生了显著变化，遵循“干得更干，湿得更湿”的趋势[19]. TP正在经历超过全球平均水平的变暖[20,21]在多个时间尺度上，其降雨量发生了重大变化，引发了强烈的研究兴趣。一些研究揭示了TP降雨趋势的显著区域差异，通常具有不同的机制和特征。Xu等人[8]强调了大多数TP地区的降雨量增加，尤其是东部和中部地区，而西部TP在1961-2001年间出现了下降。后来，研究表明，自20世纪90年代中期以来，西部中心地带TP的湿度增加，部分原因是湖泊迅速扩张[22,23,24]. 1980年至2008年，地表感热减弱，导致TP南部和东部斜坡的降雨量减少[25]. 近几十年来，TP北部降雨量增加，但南部降雨量减少[26,27,28]. Yue等人[29]据报道，1998年后，南太平洋夏季降雨量减少，湖泊萎缩，这与赤道中太平洋和印度-太平洋暖池之间的偶极海面温度模式有关。相比之下，Wang等人[28]将TP南部降水的干燥趋势归因于TP东北部的反气旋趋势，该趋势与环全球遥相关（CGT）模式有关。同时，TP北部的降水趋势可能与TP涡的成因有关[27].
降雨的各个方面，包括强度、数量和频率，都在温室效应下发生变化。这些变化具有深远的影响，尤其影响植物物种多样性和重要的陆地碳过程[30,31,32]并加剧了干旱和半干旱地区最近的干旱[33,34]. 随着持续变暖，预计暴雨将更加频繁和强烈[35]. Westra等人[36]强调1900年至2009年全球平均最大日降雨量显著增加。自2000年以来，TP上的许多要素发生了重大变化，例如温度、风和表面感热[37,38]. 然而，目前尚不清楚不同TP地区不同水平的降雨强度如何变化，以及它们对夏季（JJA，6月-7月-8月）总降雨量（STR）的贡献。因此，我们的研究试图通过使用多源降雨产品来阐明过去20年来STR趋势的空间特征和TP上不同水平的降雨强度。此外，我们还研究了不同降雨强度水平的变化与STR趋势之间的潜在关系。这项分析深入探讨了这种关系的性质、稳定性以及它是否在时间上发生了变化。至关重要的是，我们提出了驱动这些观察到的趋势的潜在物理机制。此外，我们检查了耦合模型相互比较项目第6阶段（CMIP6）模型准确模拟STR趋势和TP上不同降雨强度水平的能力，为未来预测提供了见解。我们的目标是加强我们对温室变暖背景下TP降雨模式的具体细微差别的理解。

2.数据和方法

我们收集了横跨TP中部和东部的293个站点的观测日降雨量数据（参见其位置图1b） 从1950年至2021年通过中国气象局（CMA）。此外，全球降水测量（GPM）继TRMM卫星任务之后[39]提供了一个具有20多年数据的稳健数据集，从2000年到2021年提供了高空间（0.1°×0.1°）和时间（30分钟）分辨率。该数据集因其在多个时间尺度上的良好适用性而得到广泛认可[40].补充资料包含其他广泛使用的数据集的结果。再分析气象雨量数据集CN05.1由中国气象局2400多个台站插值而成，分辨率为0.25°×0.25°[41]. 全球降水气候学项目（GPCP）的候降水是1979年至2023年期间卫星和气象观测的综合分析，空间分辨率为2.5°×2.5°[42]. 日降雨量数据集也可以从各种再分析数据集中提取，包括日本55年再分析（JRA-55）[43]以及1979年至2023年第五代ECMWF再分析（ERA5）[44]. 这些数据集的水平分辨率分别为1.25°×1.25°和0.25°×0.25°。为了保持一致性，本研究侧重于2000-2021年的共同时间框架。
此外，JRA-55的各种变量，包括纬向风场和经向风场、位势高度、垂直速度、比湿度、对流和大范围降雨，也用于本研究的潜在物理机制分析。
对于CMIP6多模型仿真（可在https://esgf-node.llnl.gov/projects/cmip6/于2023年6月14日访问），合并了六种型号（BCC-CSM2-MR、CMCC-CM2-SR5、CMCC-ESM2、INM-CM5-0、KACE-1-0-G和MRI-ESM2-0）。这些模型提供了1850年至2014年的历史模拟。为了评估CMIP6在模拟2000年至2021年TP降雨趋势方面的性能，必须整合模型模拟的历史数据和未来数据（特别是采用未来情景SSP126）。这允许在此特定期间提取模型数据，便于与观测结果进行比较。
根据CMA分类，降雨强度可分为三个等级：轻度降雨（0.1–10 mm d−1)，中等降雨量（10–25 mm d−1)和暴雨（超过25mm d−1).
线性趋势代表整体向上或向下的变化，线性趋势线是一条以函数为特征的直线
x个 我 ^ = 一 + b条 t吨 我         我   =   1 , 2 , … , n个
哪里 x个 我 表示样本大小为的气候变量n个、和 t吨 我 是相应的时间段。“b条“是趋势线的斜率，”一“是一个截距，可以使用最小二乘法计算：
b条 = ∑ 我 = 1 n个 x个 我 t吨 我 − 1 n个 ∑ 我 = 1 n个 x个 我 ∑ 我 = 1 n个 t吨 我 ∑ 我 = 1 n个 t吨 我 2 − 1 n个 ( ∑ 我 = 1 n个 t吨 我 ) 2 一 = x个 ¯ − b条 t吨 ¯
哪里 x个 ¯ = 1 n个 ∑ 我 = 1 n个 x个 我 , t吨 ¯ = 1 n个 ∑ 我 = 1 n个 t吨 我 通过计算TP上每个网格点的趋势，得到趋势的空间分布。为了评估线性趋势的统计意义t吨-测试已应用。

3.结果

TP主要包括干旱和半干旱地区，年均降雨量为621.6 mm。值得注意的是，夏季降雨量约占总降雨量的55.8%(图S2). 夏季降雨与凝结潜热的释放交织在一起，对当地及周边生态系统、水资源和气候变化产生了重大影响。因此，揭示TP夏季降雨量的特征至关重要。

3.1. TP夏季总降雨量趋势

图1和图S3使用台站观测、基于台站的放大产品、基于卫星的数据集和再分析降雨产品，显示2000年至2021年TP上STR线性趋势的空间分布。五个网格化数据集通常显示，TP东北部的降雨量大幅增加，TP东南部的降雨量减少，这与直接观测站的观测结果密切相关(图1b） 。值得注意的是，除ERA5外，这些趋势的幅度是可比较的，ERA5的趋势显然被低估了(图S3c). 在TP西部，尽管基于站点，但降雨量为CN05.1[41]，由于那里的气象站覆盖范围稀疏，面临不确定性(图1b） 。这种稀缺性同样影响再分析产品的区域气候代表性的质量。值得注意的是，ERA5和JRA-55均显示西北TP的降雨量显著减少，这一趋势与CN05.1和两个卫星产品（GPM和GPCP）中观察到的增加不一致(图1和图S3). 尽管在不同的空间分辨率下，这两种基于卫星的降雨产品似乎具有高度的一致性(图1a和图S3b). 考虑到空间分辨率、不确定性和趋势强度等因素，我们的研究侧重于最先进的高分辨率GPM数据集，以详细分析TP上STR的趋势，从而全面了解降雨模式的变化。
定量地，我们将网格化GPM降雨量插值到气象站的位置上，以将趋势量级与气象站观测值进行比较。虽然GPM似乎略微低估了东南TP的下降趋势，但总体表现良好，斜率为0.73(第页<0.01），决定系数（R2)0.34，与台站观测值相比，标准误差为3.38(图1c） ●●●●。这验证了Lin等人的结果[40].
此外，我们可以清楚地看到，有三个重要的湿润中心：东部TP（此处定义为A区，31°–37°N，98°–104°E）、羌塘高原（B区，33°–36°N，86°–94°E）和柴达木盆地（C区，36°–39°N，92°–97°E）。相反，在喜马拉雅山北部山麓小丘（D区，28°~32°N，82°~88°E）观察到干燥中心。此后，这四个中心主要关注本研究(图1a） 。

3.2. 不同降雨强度对区域STR趋势的贡献

3.2.1. 空间分布

STR的变化主要归因于降雨频率和强度的变化。我们可以发现，湿润中心的降雨频率显著增加，其中a区的强降雨和中降雨频率增加，B区的中降雨频率主要增加，C区的小降雨频率增加。相比之下，D区中小雨的频率显著降低(图S4). 考虑到频率和平均强度的变化，本文全面研究了不同强度水平下的夏季累积降雨量。
显然，不同水平的降雨强度对STR变化的贡献表现出明显的空间异质性(图1a和图2a–c）。暴雨呈现出整体的东西对比格局，东部TP呈上升趋势，西部TP呈下降趋势。暴雨的干湿高值中心主要集中在TP东部和西南部，对应于A区和D区(图2a） ●●●●。此外，在A区和D区，暴雨趋势在大多数重要电网中占STR趋势的60%以上，在某些地区甚至达到90%以上(图2d） ●●●●。暴雨占主导地位表明，它在塑造这些地区STR趋势方面发挥着关键作用，分别占A区和D区重要网格总面积的80%和60%。对于中等降雨量，值得注意的是，两个湿润中心和一个干燥中心分别位于区域A、B和D(图2b） 。显然，中等降雨对STR趋势贡献率超过60%的区域几乎占据了B的整个区域，除了一些贡献率低于40%的北部地区，这表明中等降雨的变化可能是该地区长期降雨量变化中最重要的。在A区和D区，中等降雨量在某些地区也占STR趋势的60%以上，但在更多地区不到50%(图2e） ●●●●。此外，需要注意的是，A区和D区强降雨和中降雨变化显著的地区也不同。例如，强降雨和中等降雨分别对A区的南部和西北-东南方向起主要作用，而中等降雨量对D的东南部地区有显著贡献(图2d、 e）。
在小降雨的情况下，北部TP主要呈现增加趋势，而南部TP则呈下降趋势(图2c） ●●●●。值得注意的是，B区北部和C区整个地区出现了两个重要的降雨增强中心，这突出了小降雨在长期变化中的重要性。检查小雨趋势占STR趋势的百分比(图2f） 结果表明，在特定网格中，降雨量超过60%，但在B区的许多地方，降雨量低于40%。然而，在C区，小降雨占大多数地区STR的80%以上。值得一提的是，小雨几乎是C区唯一的降雨类型，使其趋势成为该地区STR总体趋势的代表性指标。
为了确定这四个关键地区STR趋势的主要原因，我们综合了强、中、轻度降雨的影响(图2g） 。显然，在区域A中，暴雨覆盖面积最大，占其总有效面积的56%，其次是中等降雨量，占36%。在B区，中等降雨主要影响大多数地区，而最北部地区主要是小降雨，分别约占主导地区的51%和41%。C区完全以小雨为主，面积约为93%。而在D区，情况复杂，中、强、小降雨的贡献面积分别为42%、38%和20%。
众所周知，TP上的气候STR通常从东南向西北减少，TP的大部分地区主要以小降雨为主，其次是中、强降雨(图3a–c）。具体而言，在大多数TP地区，小降雨占STR的气候百分比通常高于50%(图3c） ●●●●。相比之下，强降雨和中降雨的比例要小得多，通常低于50%(图3a、 b）。气候降雨和降雨趋势的主要贡献者的空间模式之间的比较显示出显著差异(图2g和图3d） ，表明不同降雨强度水平的趋势变化正在逐渐改变其原始气候状态的模式。

3.2.2. 时间演变

基于区域平均STR和四个关键区域的不同降雨强度水平(图4a–d和表1)我们可以看到，STR的变化在10年内呈现出48.6 mm的显著增长趋势–1在A区，2018年前这里的暴雨值低于100毫米，远小于中、小降雨量，这与图3a.然而，强降雨经历了近几十年来最强的上升趋势，每年以27.0毫米的速度增加–1STR增长55.6%(表1). 中等降雨量增长率（15.3 mm 10年–1)该地区的降水量也很显著，有助于STR的上升趋势。相比之下，小雨量值较高，但趋势较弱（10年6.3毫米–1). 有趣的是，2016年之后，A区的STR和不同水平的降雨强度都出现了最快的增长。A区的观测也显示出与GPM相似的结果，但中降雨量的趋势大于暴雨，这可能与A区西南部的有限台站有关(图1b） 主要发生暴雨的地方(图2d） ●●●●。
在B区，STR的时间变化和三级降雨强度都有强劲的增强趋势(第页< 0.05) (图4b和表1). 显然，小雨量的趋势几乎是中雨量的两倍，10年内大幅增加约20.9毫米–1对STR趋势的贡献率约为44.8%。中等降雨量，10年趋势为17.4毫米–1，占STR趋势的37.3%(表1). 暴雨，数值低于40毫米年–1在该地区，10年内呈现出8.4mm的相对微弱增长趋势–1(第页< 0.001). 因此，从数量上看，小雨和中雨确实是B区STR长期变化的主要贡献者。
对于C区来说，小降雨显然是主要的降雨强度，其量级和趋势与STR相当（约71.2%）(图4c和表1). 同时，D区暴雨强度最低，尽管所有三级降雨强度与STR的年际变化相似(图4d） ，只有暴雨的减少趋势显著，10年降雨量为21.7毫米–1(表1). 这一减少占STR趋势的52.0%，标志着暴雨是主导降雨强度，导致STR减弱（10年-41.7毫米–1)2011年之后出现了突然下降。随后将有温和降雨，但趋势在统计上并不显著。与A区相似，小雨引起的STR趋势变化也很弱。

3.2.3. 不同降雨强度与STR的比例趋势

从上述分析中，我们知道，在不同的关注区域，三个降雨强度水平的贡献是不同的。此外，这种关系是否随着气候变化而保持稳定也值得关注。
图5a–c显示了2000-2021年期间三级降雨强度占STR的比例的趋势。显然，东部TP的暴雨比例呈现出持续增加的趋势(图5a） 与自身发展趋势保持一致(图2a） ●●●●。相反，在整个TP中，中度降雨的比例与强降雨的比例呈现相反的趋势(图5b） 。此外，除D区和B区北部外，大多数TP区的小降水比例趋势减弱(图5c） ●●●●。
具体而言，A区STR的增加趋势主要归因于强降雨和中降雨(图2和表1). 暴雨比例增加，中、小降雨量减少(图5)，强调了强降雨在影响A区STR趋势方面的极端重要性和稳定性。在B区，小雨和中雨的增加趋势对STR趋势的增强做出了可比的贡献(表1). 但值得注意的是，中等降雨比例的稳步上升，加上B区轻度降雨的减弱趋势，突显出中等降雨在这里的重要性越来越大(图5b、 c）。C区STR强劲增长，主要是由于小雨(图2和表1). 然而，小雨的减弱比例(图5c） 这表明动态发生了变化。这种变化可能与该地区中雨量的增加有关(图5b） 。D区的情况更为复杂。类似于强降雨和中降雨趋势(图2a、 b），在D区的大部分地区，它们的比例正在下降，尤其是在降雨量大幅减弱的地区。相反，D区的小降雨量虽然呈现出最弱的趋势，但近年来在比例上呈现出强劲增长(图5c） ●●●●。这意味着该地区STR的变化正逐渐依赖于小降雨的变化。

3.3. 可能的物理机制

使用JRA55再分析，该分析表明A、C和D区STR趋势一致(图1a和图S3d)，我们进行了进一步的机理分析。图6显示了相关大尺度环流和各种元素场的趋势。显然，TP以北的副热带西风急流已显著增强，以应对最近的气候变化(图6a） ●●●●。直接比较这一时期的前五年（2000年至2004年）和后五年（2017年至2021年），可以发现急流向东延伸和扩大。在南亚高压东北边缘200百帕的潜在高度上也观察到类似的增强(图6b） 在这个异常高度中心的影响下，促进了TP东北部的高层辐散(图6c） ●●●●。
相反，南部TP，特别是东南部TP，经历了与气候状况相反的东风异常，从而抑制了高层辐散(图6c） ●●●●。因此，由于气候变化，急流和南亚高压的联合作用导致北部高空辐散加强，而TP南部减弱(图6c） ●●●●。这种辐散模式促进了北部的向上运动和南部的向下运动。值得注意的是，A区和C区在400 hPa时呈现出非常显著的上升趋势(图6d） ●●●●。与此同时，TP东北部的水汽不断积聚，该地区的对流有效势能（CAPE）持续上升(图6e） ●●●●。这些条件与这些地区观测到的降雨量增加趋势吻合得很好。
进一步分析发现，A区的上升运动从地面延伸到TP上方的近100hPa，而C区仅出现在300hPa以下，这表明这两个区域分别更有可能发生深对流和浅对流。实际上，在A区，强降雨是STR趋势的主要成因，这可能主要是由于近年来对流降雨显著增强，特别是深对流频率增加(图6f、 h）。在C区，小降水的增加主要与大范围降水的增强以及浅层对流和层积云过程频率的增加有关(图6g、 i、j）。D区的这种情况几乎相反。这里的降雨量减少趋势似乎与对流和大范围降雨的减弱趋势密切相关(图6f、 g）。

4.结论

在本研究中，我们基于台站观测和卫星产品，对2000年至2021年TP上空STR的空间趋势进行了综合分析。我们发现，STR总体上呈现南干北湿的格局。值得注意的是，显著变化集中在四个关键区域：东疆（简称“A区”）、羌塘高原（简称“B区”），柴达木盆地（简称“C区”）和喜马拉雅山北麓（简称“D区”）。进一步分析表明，A区和C区STR的增加趋势主要是由强降雨和弱降雨的变化驱动的，B区STR增加可归因于中、小降雨的共同贡献。相反，D区STR的下降趋势主要是由于暴雨的变化。
具体而言，暴雨变化分别占A区和D区STR趋势的55.6%和52.0%以上。在B区，中等和轻度降雨的贡献相当，分别占STR趋势的37.3%和44.8%。此外，C区的主导降雨强度为小降雨，可以解释71.2%的STR趋势。显然，不同降雨强度的变化在很大程度上塑造了STR趋势的空间异质性。此外，我们的分析揭示了这四个关键区域内每年这些降雨强度对STR强度贡献的动态变化，显示了演变模式，如A区暴雨贡献增加，B区中雨量增加，而小雨量减少，C区小雨减少，但中雨贡献增加，D区小雨增加。
为应对近期气候变化，TP以北的副热带西风急流和南亚高压东北缘显著增强，进一步增强（减少）高空辐散，导致TP北（南）部有向上（向下）运动的趋势。因此，A区更多的深层对流和C区更多的浅层对流可能分别导致强降雨和小雨的增加趋势。
不同TP区域的降雨强度趋势差异很大。除了大规模环流外，这些差异还与各种因素密切相关，包括季节内振荡的活动[45]中小型系统的发展[27]和大气气溶胶[46]. 未来需要进一步研究更深入的机制分析。
耦合模型相互比较项目第6阶段（CMIP6）模型中STR趋势和不同降雨强度水平的模拟未达到预期。2000年至2021年期间评估的六个模型未能再现在TP上观测到的STR空间趋势，甚至显示了与观测值和GPM数据相反的模式(图S5). 此外，这些模型很难准确模拟不同水平的降雨强度(图S6-S8). 气候模型中TP区域降雨量严重偏差的可能原因可能是对下垫面和云物理过程的描述不足[47]. 鉴于TP地形复杂，CMIP6模型中的这些差异突出表明迫切需要改进对流和大规模降雨参数化，以及提高模型分辨率，以提高其准确性。

补充资料

以下支持信息可在https://www.mdpi.com/article/10.3390/rs15235587/s1：图S1。青藏高原（TP）的地形高度（单位：m）。图S2。2000年至2021年期间，青藏高原293个气象站的年总降雨量（mm）周期。图S3。夏季总降雨量趋势的空间分布（STR，mm-yr−1)根据（a）CN05.1、（b）GPCP、（c）ERA5和（d）JRA-55，2000年至2021年期间的TP。虚线区域表示通过学生的t吨-测试。图S4。频率趋势的空间分布（年天数）−1)2000-2021年期间，（a）STR、（b）暴雨、（c）中雨和（d）小雨。虚线区域表示通过学生的t吨-测试。图S5。STR趋势的空间分布（毫米-年−1)在2000年至2021年期间，在六个CMIP6模型中的TP。虚线区域表示通过学生的t吨-测试。图S6。与图S5相同，但暴雨（mm-yr−1). 图S7。与图S5相同，但适用于中等降雨量（mm-yr−1). 图S8。与图S5相同，但适用于小降雨量（mm-yr−1).

作者贡献

概念化，X.Y。；形式分析，撰写初稿，M.W。；写作审查和编辑，J.W.和B.L。；可视化，J.Y.、Z.Z.和S.Z。；supervision、X.Y.和J.W.所有作者均已阅读并同意手稿的出版版本。

基金

本研究由国家自然科学基金（42030611）、第二次青藏高原科学考察与研究（STEP）计划（2019QZKK0105）、风云卫星应用试验计划（2022）（FY-APP-2022.0102）、中国江苏省自然科学基金资助（批准号：BK20221449），恶劣天气国家重点实验室开放资助项目（2023LASW-B06，2023LASW-B14），气象灾害重点实验室开放项目（KLME），教育部气象灾害预测与评估协同创新中心（CIC-FEMD），南京信息科技大学（批准号：KLME202203）。

数据可用性声明

中国气象局（CMA）的观测日降雨量数据可在http://data.cma.cn/en/？r=data/detail&dataCode=A.0012.00012022年6月15日访问。全球降雨量测量（GPM）可在https://pmm.nasa.gov/GPM2022年12月12日访问。Pentad全球降水气候学项目（GPCP）可访问https://www.ncei.noaa.gov/access/metadata/landing-page/bin/iso？id=gov.noaa.ncdc:C009332022年3月19日访问。每日日本55年重新分析可访问https://data.disjp.net/dl/storages/filelist/datasets:2042023年2月26日访问（需要注册），并在https://cds.climate.copernicus.eu/cdsapp#!/数据集/再分析-ra5-单级？tab=表格2023年2月20日访问。

致谢

我们感谢中国气象局获取每日降雨量观测数据。

利益冲突

作者声明没有利益冲突。

工具书类

  1. Flohn，H.1957南亚和东亚夏季风的大尺度方面。《气象协会杂志》。 1957,35, 180–186. [谷歌学者] [交叉参考]
  2. Flohn，H。南亚和东亚“夏季风”机制的最新研究。新德里季风世界印度联合出版社 1960, 75–88. [谷歌学者]
  3. Tao，S.Y。；Ding，Y.H.青藏高原对中国暴雨和强对流风暴发生影响的观测证据。牛市。Am.Meteorol公司。Soc公司。 1981,62, 23–30. [谷歌学者] [交叉参考]
  4. Luo，H.B。；Yanai，M。1979年初夏青藏高原及其周边地区的大尺度环流和热源。第一部分：降水和运动学分析。周一。天气Rev。 1983,111, 922–944. [谷歌学者] [交叉参考]
  5. Wu，G.X。；Zhang，Y.S.青藏高原强迫与南亚和南海季风爆发的时间。周一。天气修订版。 1998,126, 913–927. [谷歌学者] [交叉参考]
  6. Wu，G.X。；周小杰。；X.D.徐。；黄J.P。；段，A.M。；Yang，S。；胡，W.T。；Ma，Y.M。；Liu，Y.M。；卞，J.C。；等。青藏高原陆空耦合系统及其对全球气候影响的综合研究计划。牛市。Am.Meteorol公司。Soc公司。 2023,104, 158–177. [谷歌学者] [交叉参考]
  7. 卢，C。；Yu，G。；谢，G。青藏高原是一座水塔。IEEE国际地质科学。远程传感器信号。 2005,5, 3120–3123. [谷歌学者]
  8. 徐，Z.X。；Gong，T.L。；Li，J.Y.西藏高原气候的年代趋势——区域温度和降水。水文学。过程 2008,22, 3056–3065. [谷歌学者] [交叉参考]
  9. 姚，T。；王勇强。；Liu，S.Y。；Pu，J.C。；沈永平。；Lu，A.X.中国高亚洲地区近期冰川消退及其对中国西北部水资源的影响。科学。中国Ser。A、D 2004,47, 1065–1075. [谷歌学者] [交叉参考]
  10. 陈，Y。；李强。；李振中。青藏高原东北部暴雨的气候特征。J.应用。美托洛尔。科学。 2006,17, 98–103. [谷歌学者]
  11. Xu，X.D.博士。；Zhao，T.L。；Lu，C.G。；Shi，X.H.青藏高原大气水循环特征。《气象学报》。罪。 2014,72, 1079–1095. [谷歌学者]
  12. 王晓杰。；彭，G.J。；Yang，M.X.，《近几十年来青藏高原的降水：基于观测和模拟的综述》。国际气候杂志。 2018,38, 1116–1131. [谷歌学者] [交叉参考]
  13. 亚奈，M。；李，C.F。；Song，Z.S.青藏高原的季节性加热及其对亚洲夏季风演变的影响。J.Meteorol公司。Soc.Jpn.公司。序列号。二 1992,70, 319–351. [谷歌学者] [交叉参考]
  14. 段，A.M。；Wu，G.X.青藏高原热力强迫在亚热带亚洲夏季气候模式中的作用。攀登。动态。 2005,24, 793–807. [谷歌学者] [交叉参考]
  15. 邓，H.Q。；郭，P.W。；薛瑞凯（Xue，R.K.）。；Min，Y.Q.青藏高原东部夏季潜热与西北太平洋台风强度的关系。J.Meteorol公司。Res.Appl.研究申请。 2010,31, 16–19. （中文）[谷歌学者]
  16. 段，A.M。；Wu，G.X。；Liu，Y.M。；Ma，Y.M。；Zhao，P.青藏高原的天气和气候影响。高级大气。科学。 2012,29, 978–992. [谷歌学者] [交叉参考]
  17. Lu，M。；Yang，S。；李，Z。；他，B。；He，S。；王，Z。青藏高原对西亚、北非、南欧和北大西洋“上游”气候的可能影响。攀登。动态。 2018,51, 1485–1498. [谷歌学者] [交叉参考]
  18. 王，M.R。；Wang，J。；段，A.M。；Yang，J.青藏高原上空大气热源对中国东部夏季降水的准双周影响。攀登。动态。 2019,53, 4489–4504. [谷歌学者] [交叉参考]
  19. 冯·H。；Zhang，M.全球陆地水分趋势：陆地上干地变干，湿地变湿。科学。代表。 2016,5, 18018. [谷歌学者] [交叉参考]
  20. 刘，X.D。；Chen，B.D.，近几十年来青藏高原气候变暖。国际气候杂志。 2000,20, 1729–1742. [谷歌学者] [交叉参考]
  21. 周，S.W。；Zhang，R.H.青藏高原上空温度和位势高度的十年变化及其与西藏臭氧消耗的关系。地球物理学。Res.Lett公司。 2005,32，L18705。[谷歌学者] [交叉参考]
  22. 孙，J。；Yang，K。；郭伟。；Wang，Y。；He，J。；Lu，H.为什么自20世纪90年代中期以来青藏高原内部变得更加潮湿？J.攀登。 2020,33, 8507–8522. [谷歌学者] [交叉参考]
  23. Yang，K。；Wu，H。；秦，J。；林，C。；唐·W。；Chen，Y.青藏高原近期气候变化及其对能源和水循环的影响：综述。手套。星球。青稞酒。 2014,112, 79–91. [谷歌学者] [交叉参考]
  24. 张，G。；罗，W。；Chen，W。；Zheng，G.青藏高原上强劲但多变的湖泊扩张。科学。牛市。 2019,64, 1306–1309. [谷歌学者] [交叉参考]
  25. Duan，A。；李，F。；王，M。；Wu，G.青藏高原春季感热源持续减弱趋势及其对亚洲夏季风的影响。J.攀登。 2011,24, 5671–5682. [谷歌学者] [交叉参考]
  26. 张，Q。；徐春云（Xu，C.Y.）。；张，Z。；陈，Y.D。；Liu，C.L。；Lin，H.长江流域1960–2005年最大降水量的时空变化及其与大尺度环流的可能联系。J.水文学。 2008,353, 215–227. [谷歌学者] [交叉参考]
  27. 李，L。；张，R。；文，M。；Lv，J.《变暖背景下青藏高原地区不同降水趋势：青藏高原涡的透视》。地球物理学。Res.Lett公司。 2021,48，e2020 GL091680。[谷歌学者] [交叉参考]
  28. 王振强。；Yang，S。；Luo，H.L。；Li，J.D.青藏高原南坡近几十年的干燥趋势：类CGT大气变化的作用。攀登。动态。 2021,59, 2801–2813. [谷歌学者] [交叉参考]
  29. 岳，S。；王，B。；Yang，K。；谢，Z。；Lu，H.等人。；He，J.青藏高原南部季风降雨的年代际变化机制。环境。Res.Lett公司。 2020,16, 014011. [谷歌学者] [交叉参考]
  30. Knapp，A.K。；费伊，P.A。；布莱尔，J.M。；柯林斯有限公司。；医学博士史密斯。；卡莱尔，J.D。；哈珀，C.W。；丹纳，B.T。；莱特，M.S。；McCarron，J.K.，Mesic草地降雨量变化、碳循环和植物物种多样性。科学类 2002,298, 2202–2205. [谷歌学者] [交叉参考] [公共医学]
  31. 袁，X。；李，L。；陈，X。；Shi，H.1982年至2011年期间降水强度和温度对华北地区NDVI-Based草地变化的影响。远程传感器。 2015,7, 10164–10183. [谷歌学者] [交叉参考]
  32. 王，M。；Wang，J。；蔡，Q。；曾，N。；Lu，X。；Yang，R。；江，F。；Wang，H。；Ju，W.在模拟不同降水产物引起的陆地碳汇时存在相当大的不确定性。《地球物理学杂志》。生物地球化学研究。 2021,126，e2021JG006524。[谷歌学者] [交叉参考]
  33. Yan，Z。；Yang，C.1951-1997年中国极端气候变化的地理模式。攀登。环境。物件。 2000,5, 267–272. [谷歌学者]
  34. Yun，Q。；龚，D。；范，J。；鲁比，L.L。；Ralf，B。；陈，D。；Wang，W.重污染抑制了中国的小雨：观测和建模。《地球物理学杂志》。物件。 2009,114, 4427–4433. [谷歌学者]
  35. Seneviratne，S.I.公司。；张，X。；阿德南，M。；西巴迪。；Dereczynski，C。；迪·卢卡，A。；Ghosh，S。；伊斯干达，I。；Kossin，J。；刘易斯，S。；等。气候变化中的天气和气候极端事件。在2021年气候变化：物理科学基础。第一工作组对政府间气候变化专门委员会第六次评估报告的贡献; Masson Delmotte，V.、Zhai，P.、Pirani，A.、Connors，S.L.、Pe，C.、Berger，S.、Caud，N.、Chen，Y.、Goldfarb，L.、Gomis，M.I.等人，编辑。；剑桥大学出版社：英国剑桥；美国纽约州纽约市，2021年；第1513-1766页。[谷歌学者]
  36. 南卡罗来纳州韦斯特拉。；亚历山大，L.V。；Zwiers，F.W.年最大日降雨量的全球增长趋势。J.攀登。 2013,26, 3904–3918. [谷歌学者] [交叉参考]
  37. 王，M.R。；Wang，J。；Chen，D.L。；段，A.M。；Liu，Y.M。；周，S.W。；郭，D。；王，H.M。；Ju，W.M.最近青藏高原春季感热的恢复将在CMIP6未来预测中继续。环境。Res.Lett公司。 2019,14, 124066. [谷歌学者] [交叉参考]
  38. Wang，H。；张，L。；Shi，X.D。；2000年以来青藏高原区域气候的一些新变化。高级地球科学。 2021,36, 785–796. [谷歌学者]
  39. G.J.哈夫曼。；Bolvin，D.T。；Braithwaite，D。；Hsu，K.-L。；乔伊斯，R.J。；基德，C。；内尔金，E.J。；Sorooshian，S。；斯托克，E.F。；Tan，J.全球降水测量任务（IMERG）的综合多卫星反演。高级手套。青稞酒。物件。 2020,1, 343–353. [谷歌学者]
  40. 林振强。；姚，X.P。；杜，J。；Zhou，Z.B.根据川藏铁路沿线的雨量计观测对卫星降水产品进行了精细评估。J.Meteorol公司。物件。 2022,36, 779–797. [谷歌学者] [交叉参考]
  41. 吴杰。；Gao，X.J.中国区域网格化每日观测数据集及其和其他数据集的比较。下巴。《地球物理学杂志》。 2013,56, 1102–1111. （中文）[谷歌学者]
  42. G.J.哈夫曼。；阿德勒，R.F。；阿金，P。；Chang，A。；费拉罗，R。；Gruber，A。；Janowiak，J。；麦克纳布，A。；鲁道夫，B。；全球降水气候学项目（GPCP）结合了降水数据集。牛市。Am.Meteorol公司。Soc公司。 1997,78, 5–20. [谷歌学者] [交叉参考]
  43. 小林，S。；Ota，Y。；Y.原田。；埃比塔，A。；Moriya，M。；Onoda，H。；Onogi，K。；Kamahori，H。；小林，C。；Endo，H。；等。JRA-55再分析：一般规范和基本特征。J.Meteorol公司。Soc.Jpn.公司。 2015,93, 5–48. [谷歌学者] [交叉参考]
  44. Hersbach，H。；贝尔，B。；Berrisford，P。；Hirahara，S。；Horányi，A。；穆尼奥斯·萨巴特，J。；尼古拉斯，J。；Peubey，C。；Radu，R。；Schepers，D。；等。ERA5全球再分析。皇家Meteorol。Soc公司。 2020,146, 1999–2049. [谷歌学者] [交叉参考]
  45. 太阳，X。；江，G。；任，X。；Yang，X.Q.1998年6月长江流域持续极端降水中季节内振荡的作用。《地球物理学杂志》。Res.大气。 2016,121, 10453–10469. [谷歌学者] [交叉参考]
  46. 邵，T.B。；刘义忠。；王R.R.Y。；朱，Q.Z。；Tan，Z.Y。；Luo，R.人为气溶胶在影响中国东部不同等级降水中的作用：一个案例研究。科学。总环境。 2022,807, 150886. [谷歌学者] [交叉参考]
  47. 周，X。；Yang，K。；欧阳，L。；Wang，Y。；姜瑜。；李，X。；陈，D。；Prein，A.第三极地区千米级建模的附加值：CORDEX-CPTP初步研究。攀登。动态。 2021,57, 1673–1687. [谷歌学者] [交叉参考]
遥感15 05587 g001
图1。夏季总降雨量趋势的空间分布（STR，mm-yr−1)2000-2021年青藏高原（TP）上(一)GPM和(b条)台站观测。(c（c）)GPM与台站观测值（红线）和黑线之间STR趋势的比较呈现1:1的斜率。中的虚线区域(一)表示使用学生的t吨-测试。彩色方框表示本研究重点关注的四个关键区域（A、B、C和D，下同），其中降雨趋势最为显著。
图1。夏季总降雨量趋势的空间分布（STR，mm-yr−1)2000-2021年青藏高原（TP）上(一)GPM和(b条)台站观测。(c（c）)GPM与台站观测值（红线）和黑线之间STR趋势的比较呈现1:1的斜率。中的点区域(一)表示使用学生的t吨-测试。彩色方框表示本研究重点关注的四个关键区域（A、B、C和D，下同），其中降雨趋势最为显著。
远程定位15 05587 g001
远程定位15 05587 g002
图2。趋势的空间分布(一)暴雨（毫米-年−1), (b条)中等降雨量（毫米-年−1)、和(c（c）)小降雨量（mm-yr−1)2000-2021年期间（左侧面板）。趋势百分比(d日)暴雨(e（电子）)中等降雨量，以及(（f）)小降雨量对显著变化网格上STR趋势的影响，以及(克)降雨量最大的重要区域（右图）。中的点区域(一–（f）)代表90%以上的显著性。中的红色、紫色和蓝色圆点(克)分别代表大雨、中雨和小雨。
图2。趋势的空间分布(一)暴雨（毫米-年−1), (b条)中等降雨量（毫米-年−1)、和(c（c）)小雨（毫米年）−1)2000-2021年期间（左侧面板）。趋势百分比(d日)暴雨(e（电子）)中等降雨量，以及(（f）)小降雨量对显著变化网格上STR趋势的影响，以及(克)降雨量最大的重要区域（右图）。中的点区域(一–（f）)代表90%以上的显著性。中的红色、紫色和蓝色圆点(克)分别代表大雨、中雨和小雨。
远程定位15 05587 g002
远程定位15 05587 g003
图3。气候比例的空间分布(一)暴雨(b条)中等降雨量(c（c）)2000-2021年期间STR的小雨量。(d日)降雨强度所占比例最大。中的红色、紫色和蓝色圆点(d日)分别表示强降雨、中降雨和弱降雨。
图3。气候比例的空间分布(一)暴雨(b条)中等降雨量(c（c）)2000-2021年期间STR的小雨量。(d日)降雨强度所占比例最大。中的红色、紫色和蓝色圆点(d日)分别表示强降雨、中降雨和弱降雨。
远程定位15 05587 g003
远程定位15 05587 g004
图4。区域平均STR（黑线，mm）、强降雨（红线，mm）、中等降雨（紫线，mm）和轻度降雨（蓝线，mm）的时间序列(一)A、(b条)B、(c（c）)C、和(d日)D.虚线表示2000-2020年每个变量的趋势。左轴和右轴分别表示STR和三级降雨强度。
图4。区域平均STR（黑线，mm）、暴雨（红线，mm(一)A、(b条)B、(c（c）)C，以及(d日)D.虚线表示2000-2020年每个变量的趋势。左轴和右轴分别表示STR和三级降雨强度。
远程定位15 05587 g004
远程定位15 05587 g005
图5。2000年至2021年降雨强度对STR贡献百分比线性趋势的空间分布：(一)强降雨(b条)中等降雨量，以及(c（c）)小雨。虚线区域代表90%以上的显著性水平。
图5。2000年至2021年降雨强度对STR贡献百分比线性趋势的空间分布：(一)暴雨(b条)中等降雨量，以及(c（c）)小雨。虚线区域代表90%以上的显著性水平。
远程定位15 05587 g005
远程定位15 05587 g006
图6。线性趋势的空间分布(一)纬向风（阴影，ms−1年−1), (b条)潜在高度（阴影，gpm-yr−1)、和(c（c）)发散（10–9秒−1年−1)200百帕时。黑色轮廓(一)和(b条)代表2000年至2004年前5年的平均纬向风和潜在高度，而红色等高线分别是2017年至2021年的最后5年。面板(d日,e（电子）)显示垂直速度（10–5帕秒−1年−1)和对流有效势能（CAPE）（阴影，J kg–1年−1)400 hPa和垂直综合比湿度（等高线，10–5千克千克−1年−1)2000年至2021年期间。以下方面的趋势(（f）)对流降雨量（毫米年）−1), (克)大范围降雨（毫米-年−1)，频率（%年−1)第页，共页(小时)深对流和(我)浅对流，以及(j个)还显示了2000-2021年期间的层积云参数化。虚线区域表示高于90%置信水平的显著值。
图6。线性趋势的空间分布(一)纬向风（阴影，ms−1年−1), (b条)潜在高度（阴影，gpm-yr−1)、和(c（c）)发散（10–9秒−1年−1)200百帕时。黑色轮廓(一)和(b条)代表2000年至2004年前5年的平均纬向风和潜在高度，而红色等高线分别是2017年至2021年的最后5年。面板(d日,e（电子）)显示垂直速度（10–5帕秒−1年−1)和对流有效势能（CAPE）（阴影，J kg–1年−1)400 hPa和垂直综合比湿度（等高线，10–5千克千克−1年−1)2000年至2021年期间。以下方面的趋势(（f）)对流降雨量（毫米年）−1), (克)大范围降雨（毫米-年−1)，频率（%年−1)第页，共页(小时)深对流和(我)浅对流，以及(j个)还显示了2000-2021年期间的层积云参数化。虚线区域表示高于90%置信水平的显著值。
远程定位15 05587 g006
表1。趋势（毫米10年–1)STR和TP上的三级降雨强度。符号*、**、***和****分别表示90%、95%、99%和99.9%置信水平以上的统计显著性。括号内的数字表示四个关键区域主导降雨强度趋势对STR趋势的解释百分比。
表1。趋势（mm 10年–1)STR和TP上的三级降雨强度。符号*、**、***和***分别表示90%、95%、99%和99.9%置信水平以上的统计显著性。括号内的数字表示四个关键区域主导降雨强度趋势对STR趋势的解释百分比。
区域总降雨量小雨中等降雨量暴雨
A类48.6 ***6.315.3 **27.0 *** (55.6%)
B类46.7 ****20.9 ** (44.8%)17.4 *** (37.3%)8.4 ***
C类17.7 ***12.6 **** (71.2%)4.30.9
D类−41.7 *−5.8−14.3−21.7 ** (52%)
免责声明/出版商注释：所有出版物中包含的声明、意见和数据仅为个人作者和贡献者的声明、观点和数据，而非MDPI和/或编辑的声明、看法和数据。MDPI和/或编辑对内容中提及的任何想法、方法、说明或产品造成的任何人员或财产伤害不承担任何责任。

分享和引用

MDPI和ACS样式

王，M。；姚，X。；Wang，J。；刘，B。；Zhu，Z。；周，S。；袁，J。不同降雨强度对青藏高原夏季降水趋势的空间异质性影响。远程传感器。 2023,15, 5587.https://doi.org/10.3390/rs15235587

AMA风格

王M，姚X，王J，刘B，朱Z，周S，袁J。不同降雨强度对青藏高原夏季降水趋势的空间异质性影响。遥感. 2023; 15(23):5587.https://doi.org/10.3390/rs15235587

芝加哥/图拉宾风格

王美荣、姚秀萍、王军、刘伯奇、朱朱、周顺武和袁佳双。2023.“不同降雨强度导致的青藏高原夏季降雨趋势的空间异质性”遥感第15、23期：5587。https://doi.org/10.3390/rs15235587

请注意，从2016年第一期开始，该杂志使用文章编号而不是页码。请参阅更多详细信息在这里.

文章指标

返回页首顶部